Abstract P648: Flattening the Curve: A Behavioural Economics Approach to Increase Activity in Summer Months
Notice bibliographique
Résumé
Objective: The purpose of this study was to determine if the behavioural economics principle “Fresh Start Effect” was evident within population-based patterns of cycling-specific active transportation (AT). The primary hypothesis was that cycling traffic along AT trails would not exhibit a fresh start effect, compared to cycling traffic along leisure trails. Design and Methods: We triangulated data from three data sources (n=3 million individual data counts) to test this hypothesis. First, the main outcome measure, cycling traffic was captured during summer months (May to September) from 2014 to 2019 with electromagnetic EcoCounters embedded in 5 paved multi-use trails in Winnipeg, Canada. Trails were categorized as AT (bi-modal peaks in traffic in the morning and afternoon) or leisure based on daily patterns of cycling traffic (single peaks of traffic in the afternoon). To confirm trends in AT-based cycling, we used daily bicycle parking data from 2012 to 2019 provided by one of the cities largest companies. To replicate the leisure-based Fresh Start effect trend we used data for fitness centre visits from the largest University in the city between 2017 and 2019. To estimate the weekly trends in occupational attendance we captured sales data from a local coffee shop from 2013 to 2019. Generalized linear mixed effects models compared counts between Mondays and other weekdays for all 4 datasets. Results: Cycling traffic was ~22% lower on Fridays relative to Mondays for both AT trails (-89 counts; 95% CI: -33 to -145counts for AT trails vs -86 counts). Nearly identical trends were observed for leisure type multi-use trails (-86 counts; 95% CI: -38 to -135 counts for leisure trails). Daily rates of occupational bicycle parking (i.e. cycling to work) were 14% lower on Fridays compared the beginning of the week (-7 counts; 95% CI: -4 to -10 counts). Daily rates of fitness centre attendance (i.e. leisure physical activity) were 18% lower on Fridays relative to the beginning of the week (-519 counts; 95% CI: -408 to -630 counts). In contrast to cycling and fitness centre data, daily coffee sales increased 15% on Fridays relative to the beginning of the week, (+42.8 counts; 95% CI: +34.1 - +51.5) suggesting that declines in cycling and leisure physical activity were not related to fewer people working on Fridays. Conclusions: Population-based AT and leisure-based cycling patterns are sensitive to the Fresh Start Effect. These data provide data to guide targeted public health strategies to increase AT and leisure-based cycling in urban areas.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».